科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高利用YOLO算法在自然环境下中国交通标识牌检测的准确性，提出了结合颜色分量特征和改进YOLO深度学习算法。该算法根据中国交通标志图像的颜色特征，获得中国交通标志牌的RGBN空间下的颜色分量特征图；之后，通过在YOLO算法的每个残渣网络中嵌入卷积层的注意力模块（CBAM）改进YOLO算法，进而提升YOLO算法的准确度；最后，利用改进的YOLO算法训练正负样本的RGBN颜色特征图，实现对自然环境下的中国交通标志牌的快速准确检测。实验结果表明：由于论文提出的方法可以去除了图像中大量干扰因素，使得算法在自然环境下检测精度上得到了提升。
- 单位
